speech-recognition

Trung tâm nghiên cứu AI âm thanh: các bài báo, mô hình mở, điểm chuẩn và tập dữ liệu trên audio LLMs, nhận dạng giọng nói, TTS, tạo nhạc và âm thanh.

Dịch vụ phiên âm và phân chia đoạn hội thoại ngoại tuyến, tự lưu trữ, sẵn sàng sử dụng kèm tóm tắt bằng LLM

Whisper.net. Chuyển đổi giọng nói thành văn bản đơn giản bằng các mô hình Whisper

Espresso: Bộ công cụ nhận dạng giọng nói thần tượng end-to-end tốc độ cao.

Trợ lý giọng nói trên máy tính dựa trên Python, có khả năng thực thi các lệnh cấp hệ thống, tích hợp nhận dạng giọng nói và chuyển đổi văn bản thành giọng nói, đồng thời xử lý các tương tác người dùng bất đồng bộ.

Các mô hình Whisper được tối ưu hóa cho việc truyền phát và sử dụng trên thiết bị.

Một LLM có khả năng trò chuyện chạy trên máy tính cá nhân của bạn mà không cần kết nối Internet.

:speech_balloon: SpeechPy - Thư viện xử lý và nhận dạng giọng nói: http://speechpy.readthedocs.io/en/latest/

Triển khai nhận dạng giọng nói tiếng Trung đầu cuối dựa trên PaddlePaddle, từ cơ bản đến thực tế, với các ví dụ nhập môn đơn giản và dự án doanh nghiệp thiết thực. Hỗ trợ các mô hình phổ biến hiện nay như DeepSpeech2, Conformer và Squeezeformer.

Nhận dạng giọng nói cho ứng dụng React của bạn

Các thuật toán giải mã Connectionist Temporal Classification (CTC): best path, beam search, lexicon search, prefix search và token passing. Được triển khai bằng Python

Xây dựng ứng dụng web chuyển đổi giọng nói thành văn bản thời gian thực sử dụng Whisper của OpenAI https://openai.com/blog/whisper/

Học sâu mô tả (Descriptive Deep Learning).

Công cụ đọc chính tả bằng giọng nói miễn phí, mã nguồn mở và hoạt động 100% ngoại tuyến cho Linux. Nói và nhập liệu ở bất kỳ đâu thông qua các engine whisper.cpp, Whisper và VOSK, có hỗ trợ tăng tốc GPU và hoạt động trên X11 + Wayland!

Lobe TTS - Thư viện TTS/STT chất lượng cao và đáng tin cậy cho máy chủ và trình duyệt.

Chuyển đổi giọng nói thành văn bản rồi thành giọng nói (Speech to Text to Speech). Gửi văn bản dưới dạng thông điệp OSC tới VRChat để hiển thị trên avatar.

Binding React Native cho whisper.cpp.

Chatbot giọng nói cục bộ cho các cuộc hội thoại hấp dẫn, được hỗ trợ bởi Ollama, Hugging Face Transformers và Coqui TTS Toolkit

Dự án cho phép sử dụng micro với OpenAI whisper.

Mô hình nền tảng cho các tác vụ nhận dạng giọng nói.

🎤 Cách dễ nhất để chuyển đổi âm thanh thành văn bản trong Swift

Một ứng dụng chuyển đổi giọng nói thành văn bản AI bảo mật 100%, hỗ trợ hơn 100 ngôn ngữ. Được xây dựng bằng Compose Multiplatform cho Android & iOS sử dụng Whisper AI - không tải lên đám mây, mọi quá trình xử lý diễn ra trên thiết bị để đảm bảo quyền riêng tư tuyệt đối.

Chuyển đổi nhanh giữa số tiếng Trung và số Ả Rập (tính năng mới nhất: chuyển đổi phân số, ngày tháng, nhiệt độ, v.v.).

Học sâu (Deep learning) cho xử lý âm thanh.

Nhận dạng giọng nói tiếng Trung dựa trên PaddlePaddle. Dự án hoàn thiện với hiệu suất nhận dạng tốt. Hỗ trợ huấn luyện và dự đoán trên Windows, Linux, cũng như hỗ trợ dự đoán trên bo mạch phát triển Nvidia Jetson.

Công cụ nhận dạng giọng nói thầm thời gian thực.

Chạy mô hình chuyển đổi giọng nói thành văn bản (whisper.cpp) trong Unity3d trên máy cục bộ của bạn.

Allosaurus là bộ nhận diện âm vị phổ quát được huấn luyện trước cho hơn 2000 ngôn ngữ.

Bàn phím và dịch vụ nhận dạng giọng nói riêng tư, chạy trên thiết bị dành cho Android.

Khung nhận dạng giọng nói tự động (ASR) dựa trên PyTorch, hỗ trợ cả chế độ trực tuyến và ngoại tuyến, các mô hình Conformer, Squeezeformer, DeepSpeech2 và nhiều phương pháp tăng cường dữ liệu